BAB IV HASIL PENELITIAN DAN PEMBAHASAN
B. Hasil Penelitian dan Analisis Data
1. Uji Asumsi Klasik
Uji asumsi klasik adalah uji statistik untuk mengukur sejauh mana sebuah model regresi dapat disebut sebagai model yang baik. Model regresi disebut sebagai model yang baik jika model tersebut memenuhi asumsi-asumsi klasik yaitu normalitas, multikolinearitas, autokorelasi dan heterokskedastisitas. Pross pengujian asumsi klasik menggunakan SPSS dilakukan bersamaan dengan proses uji regresi sehingga langkah-langkah menggunakan langkah kerja yang sama dengan uji regresi.
a) Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel pendidikan dan upah minimum terhadap kemiskinan terdistribusi secara normal. Model regresi yang baik adalah memiliki distribusi data normal atau mendekati normal dan metode untuk mengetahui normal-tidaknya adalah dengan menggunakan metode analisis grafik secara histo-gram atau dengan melihat secara Normal Probility Plot. Normalitas data dapat dilihat dari penyebaran data (titik) pada sumbu diagonal pada grafik normal P-Plot atau dengan melihat histogra dan residualnya dan mengikuti satu garis lurus diagonal yang terdistribusi normal.
Gambar 4.1 Grafik Histogram (Sumber: Output SpSS 22, diolah 2018) Gambar 4.1 terlihat bahwa pola distribusi mendekati normal, karena data mengikuti arah garis grafik histogramnya.
51
Gambar 4.2 Normal Probability Plot diatas menunjukkan bahwa data me-nyebar disekitar garis diagonal dan mengikuti arah garis diagonal. Hal ini berarti pola distribusi normal, sehingga dapat disimpulkan bahwa asumsi normalitas telah terpenuhi.
b) Uji Multikolinearitas
Uji ini bertujuan untuk mengetahui apakah dalam model regresi di-temukan adanya korelasi antara variabel bebas. Model yang baik seharusnya tidak terjadi korelasi antara yang tinggi diantara variabe bebas. Tolerance mengukur variabilitas variabe bebas yang terpilih yang tidak dapat dijelaskan oleh variabe bebas lainnya. Jika nilai toleransi rendah sama dengan nilai VIF tinggi (karena VIF = 1/Tolerance) dan menunjukkan adanya kolinearitas yang tinggi.
Tabel 4.4
Hasil Uji Multikolinieritas
Variable Independen Tolerance VIF Keputusan
Pendidikan 0.978 1.022 Bebas Multikolinieritas Upah Minimum 0.978 1.022 Bebas Multikolinieritas
Sumber: Hasil Olah Data SPSS 22 (2018)
Hasil regresi dengan menggunakan SPSS 22, maka dari matriks korelasi terlihat bahwa tampilan output VIF dan Tolerance mengindikasikan tidak terdapat multikolineritas. Nilai VIF tidak ada yang melebihi 10 dan nilai Tolerance tidak ada yang kurang dari 0,10.
c) Uji Autokorelasi
Uji autokorelasi bertujuan untuk menguji apakah dalam model regresi liniear ada korelasi antara kesalahan penggangu pada periode t dengan
kesalahan peng-ganggu pada periode t-1 (sebelumnya). Jika terjadi korelasi maka dinamakan ada problem autokorelasi. Salah satu metode analisis untuk mendeteksi ada tidaknya autokorelasi adalah dengan melakukan pengujian Durbin Watson.
Tabel 4.5 Hasil Uji Autokorelasi
Model Durbin-Watson
1 1.208
Sumber: Hasil Olah Data SPSS 22 (2018)
Berdasarkan ketentuan pengujian Durbin Watson, maka diperoleh nilai dW 1,208 dan dL < dW < 4 - dU (0,9455 < 1,208 < 1,5432), maka dapat disimpulkan bahwa tidak terjadi autokorelasi atau penelitian ini bebas dari masalah autokorelasi.
d) Uji Heteroskedastisitas
Heteroskedastisitas berarti ada varian pada model regresi yang tidak sama (konstan). Sebaliknya, jika varian variabel pada model regresi memiliki nilai yang sama (konstan) maka disebut homooskedastisitas. Yang diharapkan pada model regresi adalah yang homoskedastisitas. Untuk menguji ada tidak-nya heteroskedastisitas dalam suatu model regresi maka bisa dilakukan dengan metode analisis grafik dengan mengamati scatterplot.
Gambar Scatterplot diatas menunjukkan bahwa titik-titik menyebar secara acak serta tersebar baik diatas maupun dibawah angka 0 pada sumbu Y. Hal ini dapat disimpulkan bahwa tidak terjadi heteroskedastisitas pada model regresi, sehingga model tersebut layak dipakai untuk menganalisis pengaruh pendidikan dan upah minimum terhadap kemiskinan di Kota Makassar.
53
Gambar 4.3: Hasil Uji Heteroskedastisitas (Sumber: Output SPSS 22, diolah 2018)
2. Regresi Berganda
Dalam penelitian ini terdapat dua variabel bebas, yaitu pendidikan dan upah minimum serta satu variabel terikat, yaitu tingkat kemiskinan di Kota Makassar. Untuk menguji ada tidaknya pengaruh tiap variabel bebas terhadap variabel terikat, maka dilakukan pengujian model regresi dengan bantuan program SPSS 22.
Tabel 4.6 Hasil Penelitian
Variabel Koefisien Regresi Std.
Error T hitung Prob (B) Constant -15.586 14.129 -1.103 .292 Pendidikan (X1) -.483 2.583 -.189 .854 Upah Minimum (X2) 1.674 .219 7.658 .000
R- Square : .832 S.E Regression : .47324 R : .912a F- Statistik : .29.769 Adjused R-Square : .804 Prob. F- Statistik : .000 Hasil uji SPSS 22 diperoleh model persamaan regresi sebagai berikut:
LnY = Lnβ0 – β1LnX1 + β2LnX2 + µ Y = -15.586 – 0,483 + 1.674 + µ
Berdasarkan persamaan diatas maka dapat diinterpretasi nilai koefisien regresi sebagai berikut:
a) Jika segala sesuatu variabel bebas dianggap konstan, maka kemiskinan di Kota Makassar sebesar 15.586.
b) Koefisien regresi X1 = -0,483 artinya pendidikan memiliki arah hubungan yang berbanding terbalik dengan kemiskinan di Kota Makassar. Hal ini berarti bahwa semakin tinggi tingkat pendidikan maka akan menurunkan tingkat kemiskinan sebesar -0,483.
c) Koefisien regresi X2 = 1,674, artinya upah minimum memiliki arah hubungan yang berbanding lurus (searah) dengan kemiskinan di kota makassar. Hal ini mengandung arti bahwa peningkatan upah, akan meningkatkan kemiskinan di Kota Makassar sebesar 1,674.
Berdasarkan hasil analisis regresi linear berganda dilakukan uji koefisien determinasi R2, uji keofisien regresi serentak (uji F) serta uji signifikansi para-meter individual (uji t).
a) Koefisien Determinasi R2
Penelian ini, untuk mengetahui kontribusi variabel bebas terhadap variabel terikat dilakukan dengan menggunakan besaran angka R Square (R2). Besarnya nilai R2 sebesar 0,832. Nilai tersebut mendekati angka 1 maka variabel bebas terhadap variabel terikat kuat atau sebesar 83,2% kemiskinan di Kota Makassar dipengaruhi oleh pendidikan dan upah minimum. Sedang-kan sisanya 16,8% dipengaruhi oleh faktor-faktor lain diluar penelitian ini. b) Uji Simultan (Uji F)
55
Uji simultan atau Ftest bertujuan untuk mengetahui pengaruh bersama-sama variabel bebas terhadap variabel terikat. Uji-F diperuntukkan guna melakukan uji regresi secara bersamaan atau simultan. Dari hasil regresi berganda, diperoleh nilai Fhitung sebesar 29.769. Sedangkan Ftabel df 2 = 2,12 sehingga Fhitung > Ftabel (29.769 > 3,89). Dengan demikian dapat disimpulkan bahwa variabel Pendidikan dan Upah Minimum secara bersama-sama ber-pengaruh signifikan terhadap Tingkat Kemiskinan di Kota Makassar.
c) Uji Parsial (Uji t)
Uji t bertujuan untuk mengetahui besarnya pengaruh masing-masing variabel bebas secara individual (parsial) terhadap variabel terikat. Dengan membandingkan nilai thitung dengan ttabel.
(1) Apabila thitung > ttabel, maka Ho ditolak dan Ha diterima, artinya ada pengaruh yang signifikan antara masing-masing variabel independen terhadap variabel dependen.
(2) Apabila thitung < ttabel, maka Ho diterima dan Ha ditolak, artinya tidak ada pengaruh yang signifikan antara masing-masing variabel independeen terhadap variabel dependen.
Tabel 4.7 merupakan rekapitulasi hasil dari pengujian variabel bebas yaitu pendidikan dan upah minimum terhadap tingkat kemiskinan di Kota Makassar. a) Pengaruh Pendidikan terhadap Kemiskinan di Kota Makassar
Berdasarkan hasil pengujian dengan menggunakan SPSS 22 untuk variabel pendidikan diperoleh nilai thitung sebesar -0,189 dengan tingkat signifikan 0,854. Dengan demikian diperoleh thitung (-0,189) < ttabel (2.16037)
sehingga Ho diterima dan Ha ditolak. Hal ini menunjukkan bahwa pendidikan tidak berpengaruh terhadap tingkat kemiskinan di Kota Makassar
b) Pengaruh Upah Minimum terhadap Kemiskinan di Kota Makassar
Berdasarkan hasil pengujian menggunakan SPSS 22 untuk variabel upah minimum diperoleh nilai thitung sebesar 7.658 dengan tingkat signifikan 0,000. Dengan demikian, diperoleh thitung (7.658) > ttabel (2.16037), sehingga Ho ditolak dan Ha diterima. Hal ini menunjukkan semakin tinggi upah minimum maka tingkat kemiskinan semakin meningkat.
Tabel 4.7 Uji Parsial (Uji T)
Model Uji statistik (uji t)
t-statistik t-tabel sig
Constant Pendidikan Upah minimum -1.103 -.189 7.658 2.365 2.365 2.365 .292 .854 .000
Sumber: output SPSS 22 (Data Diolah, 2018)